人声分离质量

成品歌/带伴奏素材建议选高质量；会优先使用 RoFormer 分离器，提高训练素材干净度。

训练前自检

• ·全部为同一人声音，无合唱/他人说话
• ·无伴奏或已消伴奏的干声/清唱
• ·尽量 WAV/FLAC，避免低码率 MP3
• ·有效干声累计约 10–15 分钟（推荐 15–20 分钟更佳）
• ·覆盖说话与唱歌、多情绪，避免整段同一语调
• ·峰值约 -12 ~ -6 dBFS，无削波爆音

自动素材处理

上传后：按需高质量人声分离 → 长静音裁剪 → VAD 拼接有效干声 → 去混响 + 响度归一 → 约 6 秒切片。 短数据训练会自动降低轮数上限、增加 checkpoint 试听密度。